基于高斯过程隐变量模型的滚动轴承故障识别

• 作者: 尹爱军 李海珠 石波 谭建
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障识别 小波包能量 高斯过程隐变量模型 K-最近邻分类
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 128-133,221
• 页数: 7页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.06.021

摘要

滚动轴承振动信号的特征之间往往并非相互独立,使得高维融合特征存在大量冗余信息,降低故障分类精度.为此,研究基于高斯过程隐变量模型(Gauss process latent variables model,GP-LVM)与K-最近邻(K-Nearest Neigh-bor,KNN)相结合的轴承故障识别方法.首先,提取振动信号的小波包能量,构建融合特征矩阵;然后,利用GP-LVM提取其隐变量;最后,利用K-最近邻分类算法进行故障识别.实例结果表明,对于不同健康状态下的滚动轴承振动信号,所提方法能有效减少其特征间的冗余信息,很好地区分滚动轴承状态,实现滚动轴承故障类型的准确诊断.